ViT中枢作家Lucas Beyer，长文分析了一篇校正Transformer架构的论文AG百家乐上头，引起推选围不雅。
他前不久从谷歌跳槽到OpenAI，此次是在飞机上阅读论文并写下了分析。
这篇论文被他简写为DiffTranformer，不外不是Sora底层架构的阿谁Diffusion Transformer，而是不久前来自微软的Differencial Transformer。
论文中先容，举座想路访佛差分放大电路或降噪耳机，用两个信号的差值来滤除共模噪声，惩办Transformer模子信噪比低的问题。
这篇论文发布时引起多半柔软，但也靠近一些质疑，在弹幕版alphaXiv上作家与读者进行了许多缱绻。
Beyer起始也对这篇著作抓保留格调，以为“难说念MHA中的两个扎目力头不成学习到这些吗？”。
但进程近期和同业的一些互动，以为不应该大致下定论，再行看了一遍论文后，他改变了观点
我的领先印象被团队的实验透顶破损了，他们的实验相称公柔顺严慎。
此外还有一个彩蛋：
大佬平凡会用坐飞机的时候来打4把Dota 2游戏快速步地。
当今写这个帖子也不成当论文评审使命写进简历，是纯纯的孝顺个东说念主时候了，以后也不会常写。
总之先给大佬点赞。
大佬解读热门论文
Beyer评价这篇论文的中枢篡改相称simple和nice，不错用一句话概述。
将两个扎目力头配对，然后推行(softmax(Q1K1) - λ*softmax(Q2K2)) V，其中λ是一个可学习的标量。
他认为这项磋磨的动机相称充分：跟着高下文变长，（眇小的）对不关连token的扎目力之和可能逾越对少数关连token的扎目力，从而并吞它们。
这一洞见标明，跟着输入长度的增多，经典Transformer可能越来越难以捕捉到关键信息。DIFF Transformer试图惩办这一问题。
但他仍不细目对于熟习充分的模子来说这是个多大的问题，但愿在DIFF Transformer论文中有一些对于attention别离/熵的图表，以骨子评释这个插图的合感性。
接下来，他指出了几个容易被残忍的细节：
与Figure1不同，DiffAttn骨子上并莫得对差值再行归一化。那么它究竟若何放大”关连”的分数呢？
Beyer建论说文中能提供更多骨子熟习的DIFF Transformer的分析图表。
λ的狡计尽头复杂，触及两个可学习的指数函数之差，加上一些基线λ_init，在早期的层是0.1，后头又是0.8。
Beyer认为λ不一定需如果偶合，并建议提供更多对可学习λ参数的分析。
每个扎目力头的输出齐进程了层归一化并乘以(1-λ_init)，ag百家乐接口多少钱然后再concat并乘以WO，这里也需要更多图表来评释。
接下来看论文中多半的实验。磋磨者基本上分叉清亮StableLM-3B-4E1T，称之为Diff-3B，四肢基线模子进行比拟。
可惜的是，基线模子只在其中3个数据集上讲演了效果，其中2个Diff-3B的认识齐尽头好。
Beyer怀疑这个StableLM-3B是否确实是一个强基线。
在参数目和token数的缩放弧线上，DIFF Transformer乍一看很有前程。但仔细不雅察后，Beyer建议了两点质疑：
缩放弧线昭彰分为两组，在它们之间画一条线有点牵强。搜检附录可知，磋磨者为较大的两个模子缩小了学习率。这是否意味着他们际遇了不踏实性问题？
每次实验只用了10B个token熟习，这个数目相称小。Beyer交融其中的狡计资源实现，但仍然感到有点不安。
这些实验标明，在疏导大小的情况下，DIFF Transformer性能会更好一些，何况熟习时候疏导。
但是，它的的推理速率也会慢一些(慢5-10%)。
Beyer建议最佳能看到以狡计量或骨子时候为横轴的缩放弧线。
在长文本评测和对输入样本国法的鲁棒性方面，DIFF Transformer认识出了昭彰的上风。
尽头是在高下体裁习的鲁棒性实验中，DIFF Transformer在不同的样本成列国法下，性能方差远小于经典Transformer。
这标明它更辩别易被输入的微弱变化烦懑，而经典Transformer容易受到样本国法的影响，在最佳和最坏情况下认识出入很大。
总的来说，Beyer对这篇论文的观点有所改不雅：
磋磨者的实验相称全面和严慎，委果展现了DIFF Transformer比单纯的”两个扎目力头相减”更多的后劲。
这项使命展现了一些有前程的火花。它在其他东说念主的熟习任务中能否很好地复现、或带来匡助，还有待进一步不雅察。
Lucas Beyer是谁
12月初，Lucas Beyer与Xiaohua Zhai、Alexander Kolesnikov集体从谷歌被挖到OpenAI。
他们曾共同建议Vision Transformer，创始了Transformer在CV畛域欺诈的先河。
据他个东说念主官网中先容，他在比利时长大，曾守望制作电子游戏以及从事AI磋磨。
他在德国亚琛工业大学学习机械工程，并在哪里取得了机器东说念主感知和狡计机视觉博士学位，2018年加入谷歌。
除了此次长文分析DIFF Transformer以外，他还平凡对新磋磨发表一些短的辩驳，比如最近火爆的DeepSeek v3，他也建议我方的建议。
总之是一位相称值得柔软的学者AG百家乐上头。
